META-ANALYYSI (1.11.2018 Niko Männikkö)

Meta-analyysi on tutkimusmenetelmä, jossa tehdään päätelmiä yhdistämällä yksittäisiä tutkimuksia. Analyysissa käytetään myös määrällisiä menetelmiä. Siinä yhdistetään tutkimuksia, jossa käytetyt menetelmät ja tulosmuuttujat ovat riittävän yhteneväisiä. Siinä hahmotetaan kahden valitun muuttujan välinen suhde. Meta-analyysissa aineiston arvioinnin suorittaa kaksi tutkijaa itsenäisesti.

Meta-analyysin vaiheet:

•Kerätään aihetta käsittelevä tutkimusaineisto

• Suunnitellaan koodauslomake

• Tutkimusten ominaispiirteet kirjataan koodauslomakkeelle

• Arvioidaan aineistonkeräyksen luotettavuutta

• Yksittäisille tutkimuksille lasketaan efektikoko – kertoo kuinka suuri yhteys,

selitys tai ero ryhmien välillä on

• Tulokset analysoidaan tilastollisin menetelmin ja raportoidaan

Terveystieteellisen tutkimuksen julkaisemiseen vaikuttavat esimerkiksi tiedon tärkeys ja tutkimuksen laatu. Tiedon uutisarvo ja ajankohtaisuus vaikuttavat siihen mitä tutkimuksia lehdet julkaisevat. Tutkijat ovat innokkaampia julkaisemaan tutkimuksiaan, jos ne tuottavat positiviisia tuloksia eli esimerkiksi jos jokin hoitomenetelmä on havaittu toimivaksi. Tutkimustulokset, joissa hypoteesi todetaan vääräksi, jäävät usein julkaisematta ja niiden tulokset jäävät meta-analyysissa huomiotta. Puhutaankin julkaisuharhasta, joka täytyy huomioida meta-analyysia tehdessä tutkimuksen luotettavuuden takaamiseksi. Luennolla mainittiin kolme julkaisuharhan arvioimiseen käytettyjä menetelmää, joita ovat Eggers Test, Funnel Plot ja sensitiivisyysanalyysi.

Näistä otin tähän blogitekstiin esimerkiksi seuraavassa kuvassa olevan Funnel Plotin, joka havainnollistaa, kuinka symmetrisesti tutkimusten tulokset ovat jakautuneet. Jos pisteitä ei olisi esimerkiksi negatiivisella puolella kertoo siitä, että ainoastaan positiivisia tuloksia on julkaistu. Tämä kuvio havainnollistaa mielestäni erittäin hyvin mahdollista tiedon aukkoa.

Meta-analyysi on merkittävä menetelmä ja sen avulla voi arvioida näytön vahvuutta. Yleisperiaatteena onkin pidetty sitä, että jos katsauksessa useampi hyvin toteutettu tutkimus antaa samansuuntaista näyttöä eikä ristiriitaisia tuloksia juuri ole, voidaan näyttöä pitää erittäin vahvana. Näin ollen tiedonhaussa kannattaa hakea aluksi meta-analyyseja, kuten esimerkiksi Cochrane-katsauksia. Niiden perusteella saa hyvän kuvan, millaisia tuloksia aiemmasta tutkimuksesta on noussut. Tällä luennolla opin siis uutta meta-analyysissa käytetyistä menetelmistä ja siinä käytetyt kuviot ja niiden merkitykset avautuivat minulle uudella tavalla.